隨著計算機等技術的發展和普及，大數據已不是過去那種簡簡單單的數據了。中培偉業《大數據分析及可視化技術應用實戰》專家謝老師表示，大數據并非只是數量大，而是有很多特征，如價值密度低、結構復雜等，這也給數據分析帶來了難度。數據本身無價值，但如果對其進行分析，挖掘出有價值的信息，則能將枯燥乏味的數據轉化為實實在在的價值。由于這種分析方法上存在很多難度，因此掌握相關的數據分析技巧就極為重要。     

大數據技術指從海量無序紊亂的數據中，在最短的時間內獲得有價值信息的技術，即核心包括數據收集、數據挖掘、數據分析等，其中數據分析是將有價值信息呈現人們眼前的第一步，基于此，大數據時代帶來的挑戰不止是體驗在數據越來越復雜、多樣上，還體現在如何從這些數據中找到數據間的相關關系和隱藏的規律，也體現掌握數據分析技巧的重要性，如此才能在大數據時代搶占有利地位。

我們從大數據分析的五個基本面來講述下，數據分析時應注意的理論和方法？

（1） 數據可視化

簡單來說，數據可視化就是研究如何將復雜的數據，通過一種直觀易懂的方式呈現出來，讓人們可以快速接受。我們經常被優秀的可視化作品所震撼，尤其是可視化制作并不簡單，它涉及制圖學、統計學、心理學、計算機視覺、數據采集等，是門綜合學科。早期的數據可視化作品以圖形為主，即便如此，要將大量數據在同一個表格中畫出來，難度也是很大的。

在早期，可視化作品主要是手工制作，很耗費時間，后來隨著計算機興起，自動繪圖程序出現，手工繪圖就被取代了，但兩者的本質并未改變，都是將數據信息以直觀易懂的方式呈現出來，便于讀者接受和理解，就如同看圖說話那般簡單。

）數據挖掘算法

數據挖掘是數據分析中重要的步驟，其理論是數據挖掘算法，算法具有靈活性，會根據數據類型、格式、結構、數量等不同而算法不同，分析不同的數據源所需的算法也不一樣。唯有通過相應的算法才能深入數據內部，挖掘出其存在的價值，為可視化提供信息支持；另外也是因為唯有合理的算法才能更快地處理大數據，時間短，見效快。眾所周知，數據增長速度逐漸加快，如果算法不能提供快速處理，需費時很長，那么就會被淹沒在數據中，數據價值也會因此大打折扣，甚至毫無價值。

（2) 預測能力

預測是大數據的核心能力，也是運用范圍最廣的一種能力，在企業、交通、體育等領域得到了廣泛的利用，并獲得豐厚的回報。在海量數據中找出數據間的相關關系后，則可以基于此建立模型，模型經過試驗后，便能不斷地加入新的數據，模型會顯示結果，因而起到預測未來的作用。但預測和人的直覺有時是相矛盾的，要根據實際情況進行合理的分析，做出科學的判斷。

）語義引擎

網絡數據挖掘一直是數據分析的重要組成部分，如谷歌曾通過搜索流感相關詞語，成功預測了流感所發生地區，對醫療做出了卓越的貢獻。事實上，大數據時代的數據多是源于互聯網，包括社交媒體、網絡日志等，人們可以利用關鍵詞、標簽關鍵詞、語義、相關詞語來分析用戶眼下的狀況，分析用戶的需求，從而為用戶提供更好的產品和服務，提升用戶體驗，這也是精準營銷的要點所在。

）數據質量和數據管理

大數據一直為人所詬病的技術其數據質量問題，數據量雖然增加了，但其中臟數據、異常值、數據噪音也多了起來，給數據分析帶來難度，也影響數據分析結果的準確性，畢竟數據分析結果是用來指導商業生產、學術研究等，結果的準確性和可靠性就非常重要。因此數據質量和數據管理就顯得很有必要，也是數據分析中必須要面對的問題。

數據管理指運用計算機技術對數據進行收集、存儲、處理已經應用的過程是，將無效數據等清理出去，發揮數據的作用，且隨著時代發展，其管理水平也逐漸提升，由過去的人工管理、文件系統，到如今的數據庫系統，數據管理越來越科學化。

這就是大數據分析的五個基本面，是數據分析的基礎，如果要進行深度分析，則需一些更專業、更有效率的分析方法，當然，隨著時代進步，數據分析方法也在更新換代，人們理應跟上時代發展，掌握最先進的數據分析方法，從而更好的從海量數據中淘出“黃金”來。